في عالم الذكاء الاصطناعي، أصبحت نماذج اللغات متعددة الوكلاء (Multi-Agent LLMs) تشكل جزءًا أساسيًا في تطوير أنظمة ذكية قادرة على التفكير والتفاعل بشكل أكثر فاعلية. ولكن، كانت هناك مخاوف بشأن التكلفة العالية والموارد المطلوبة بسبب تواصل الوكلاء بكثرة، مما يؤدي إلى أخطاء وتدهور في جودة النتائج. هنا يأتي دور النظام الجديد، DarkForest.

DarkForest هو إطار عمل فريد يركز على تنسيق التواصل بين الوكلاء بشكل فعال. تبدأ عملية العمل بإبقاء الوكلاء مستقلين، إذ يُعطى لكل وكيل الفرصة لإنتاج نتائجه الخاصة دون النظر إلى مخرجات الآخرين. بعد ذلك، يقوم النظام بتحليل الاستجابات الأولية إلى سجلات مرشحة منظمّة، لتجميع المرشحات المتساوية دلالياً في مجموعات.

تساعد هذه العملية DarkForest على تقدير توزيع الثقة المعدّل عبر هذه المجموعات بالاعتماد على موثوقية الوكلاء وثقتهم وجودة التحليل وأنماط الدعم المستخلص.

أظهرت التجارب على ستة معايير تقييم أن DarkForest حقق تحسينات كبيرة، حيث زاد الجودة بنسبة تصل إلى 30.7% مقارنة بأقوى المعايير الحالية، كما خفض استهلاك التوكنات (tokens) بنسبة تصل إلى 6.5 أضعاف، مما يؤكد كفاءته في تقليل التكاليف وتحسين الأداء بشكل عام.

إن نظام DarkForest يُمثل خطوة رائعة نحو تحقيق توازن بين الكفاءة والدقة في النموذج اللغوي المعقد، مما يعزز من قدرة الذكاء الاصطناعي على التفكير بشكل منطقي وحل المشكلات بشكل أسرع. ما رأيكم في هذا التطور المذهل؟ شاركونا في التعليقات!